Seminar Netzwerkanalyse. Kapitel 12 Vergleiche von Netzw erken. Sommersemester 2005 Universität Trier

Größe: px
Ab Seite anzeigen:

Download "Seminar Netzwerkanalyse. Kapitel 12 Vergleiche von Netzw erken. Sommersemester 2005 Universität Trier"

Transkript

1 Kaptel 2 Vergleche von Netzw erken Sommersemester 2005, Kaptel 2.0 Allgemenes

2 Allgemenes Graph-Isomorphsmus Problem (GI) besteht darn festzustellen, ob zwe gegebene Graphen somorph snd In der Praxs extrem selten, dass zwe Graphen somorph snd Enfacher: Nachwes enes Ncht-Isomorphsmus, prüfe dazu ob Anzahl der Kanten und Knoten beder Graphen, gleche Anzahl von Zusammenhangskomponenten, En- bzw. Ausgangsgrade der Knoten, etc. Bs jetzt jedoch kene Bedngung, de n polynomaler Zet berechenbar st Legt en Ncht-Isomorphsmus vor hrer Ähnlchket später Untersuchung zweer Graphen hnschtlch Anwendung: z.b. Cheme, etc Sete 3 Allgemenes (cont( cont.) Defnton 2.0.: Zwe ungerchtete enfache Graphen G (V,E ) und G 2 (V 2,E 2 ) snd somorph, wenn ene bjektve Knoten Abbldung : V V2 exstert, d.h ene Bjekton mt u,v V : u,v E (u), (v) E2 Bespel 2.: Zwe somorphe Graphen Sete 4 2

3 Kaptel 2. Graph - Isomorphsmen 2. Komplextät von GI? Problem set den Sebzger: Welchen Komplextät hat GI? Scher: GI NP, aber: st GI polynomell lösbar oder st GI NP - vollständg? Obwohl P = NP glt, gbt es Probleme, deren Komplextät zwschen P und NPC legen. Vermutung: GI st en solches Problem, da trotz ntensver Suche ken polynomeller Algorthmus gefunden Ansatz der Komplextätstheore: Enführung ener neuen Klasse Isomorphsmus vollständg (somorphsm complete) Sete 6 3

4 2. Algorthmen zum Lösen von GI In der Praxs haupsächlch zwe Methoden:. drekte Varante: man nmmt de zu verglechenden Graphen und versucht enen Isomorphsmus zu berechnen Vortel: be mehreren Isomorphsmen, nur ener muss gefunden werden Backtrackng Algorthmus 2. Dese Varante defnert en kanonsches Label C, so dass glt: G und G 2 snd somorph gdw. C(G )=C(G 2 ) Vortel: berets berechnete Informatonen können recycled werden McKay s Nauty Algorthmus Sete Backtrackng Algorthmus Se nv : V ene I nvaranten - Funkton, z.b. nv(v) = d(v) Se (V,nv) = (V,...,V ) de geordnete Knotenpartton n von V bzgl. nv, d.h. v,w V : nv(v) = nv(w) und für alle v V mt < j: nv(v) < nv(w). Engabe: Zwe Graphen G = (V= { v,...,v }, E ) und G = (W= { w,...,w }, E ), n n 2 de auf Isomorphe geprüft werden. Ausgabe: Ene Permutaton von {,...,n}, so dass v w n en Isomorphsmus zwschen G und G oder "NON - I SOMORPHI C" (), Sete 8 4

5 2.. Backtrackng Algorthmus Funktonswese: Der Algorthmus entwckelt den Isomorphsmus schrttwese aus Untergraphen von G und G 2 und stoppt, wenn kener gefunden werden kann. Isomorphsmen n Untergraphen werden herbe mt ' bezechnet. Zunächst wrd de Knotenmenge V mt der klensten Kardnaltät bestmmt, W hat deselbe Kardnaltät. Es wrd de klenste Menge gewählt, wrd 'NON-ISOMORPHIC' festgestellt, st man fertg. In der for-schlefe wrd de Abbldung bestmmt. Sete Backtrackng Algorthmus Vorausetzung: Intal werden (V,nv) = (V,...,V ) und (W,nv) = (W,...,W ) bestmmt. k k' Wenn k k' oder V W für rgendwelche k glt, so können bede Graphen ncht durch enen Isomorphsmus aufenander abgebldet werden. Daher wrd davon ausgegangen, dass k = k' und V W gelten. Der Algorthmus wrd mt I SOMORPH (G, G 2, (V,nv), (W, nv), ) aufgerufen. Sete 0 5

6 m 2.. Backtrackng Algorthmus I SOMORPH (G, G 2, (V,..., V m ), (W,..., W m ), f (V,...,V ) then return ' compute V V V V < l< m j j l let V v, v..., W w, w for j =,..., V f ' extended by do subgraphs nduced by V \ V v and W \ W w j s an somorphsm between the k k j branch = ISOMORPHIC ( G, G,(V,...,V\v,...,V ), j m then ') m (W,...,W\w,...,W ), ' j f branch 'NON-somorphc' then return branch return 'NON-somorphc' ) Sete 2..2 McKay s Nauty Algorthmus NAUTY = No AUThomorphsm Yet? McKay s Idee: Berechnung enes kanonschen Labels Für enen ungerchteten Graphen G=(V,E) mt V= v, v,..., v () (2) (n) n se Adj(G, ) de Adjazenzmatrx von G bezgl. der Knotenordnung v, v,..., v. st dabe ene Permutaton von,..., n. C adj (G) = mn Adj(G, ) nterpretert. Sn 2 wrd dabe als Bnärzahl der Größe n Labels C (G ) und C (G ) snd glech G und G snd somorph adj adj 2 Sete 2 6

7 2..2 McKay s Nauty Algorthmus Berechnung (kanonsches Label): Nav: betrachte alle n! Knoten-Permutatonen, für jede Anordnung vergleche zwe Adjazenzmatrzen der Größe n x n ncht durchführbar n akzeptabler Zet (sogar für klene n) McKay: berechnet en Label C(G), Nauty-Algorthmus berechnet de klenste Matrx, betrachtet jedoch ncht alle n! Anordnungen, sondern nur spezelle. Dese spezelle Anordnungen werden durch de Refnement Procedure bestmmt. Sete McKay s Nauty Algorthmus Berechnung (kanonsches Label): McKay (cont.): Um alle Knotenanordungen zu bestmmen, benutzt der Algorthmus enen Suchbaum T, dessen Blätter den Anordnungen entsprechen. Der Algorthmus traversert T und untersucht alle Adjazenzmatrzen, de durch Knotenanordnungen besuchter Blätter erzeugt werden. Herbe können Unterbäume (Subtrees) von T von der Traverserung ausgeschlossen werden. Dese Unterbäume enthalten Knotenanordnungen, deren Adjazenzmatrzen größer snd als de berets gefundenen. Dese Methode führt zu enem kanonschen Label. Sete 4 7

8 2..2 Grundlagen der Gruppentheore Permutaton ener n-elementgen Menge wrd mt S n bezechnet Für ene abgeschlossene Gruppe G und ene Untermenge F G, st das Gruppenprodukt von F n G de Untergruppe F mt F = f G m f,..., f F : f = f *... * f m m De Elemente von F snd de Generatoren von G. Ene Gruppe G operert auf ener Menge M bzgl. ener Funkton : G M M Sete Grundlagen der Gruppentheore Ene Gruppe G operert auf ener Menge M bzgl. ener Funkton : G M M. Für bel. f,g G, x M und das neutrale Element e glt: (e, x) = x und (f * g, x) = (f, (g, x)) Dabe nduzeren G und ene Äquvalenzrelaton auf M: x y f G : (f, x) = y (f, x) f G (Äquvalenzklasse von x) wrd als Orbt bezechnet. Menge aller Äquvalenzklassen von M bezüglch G und wrd als Orbt - Partton bezechet. Sete 6 8

9 2..2 Der Suchbaum T Ausgangsbedngung: G = (V,E) se der Graph, dessen Label C(G) berechnet werden soll Kardnaltät von V se n Intale Indexerung der Knoten von V: V= { v,...,v n} Defnton 2.. (Knotenpartton): Ene Knotenpartton von G st ene geordnete Lste =(V,...,V) von Knotenuntermengen V V, den sog. Zellen mt. V V, j r 2. V=V,...,r j 3. V, r r Sete Der Suchbaum T Jeder Knoten entsprcht ener Knotenpartton REFINEMENT PROCEDURE (spezfzert Knotenparttonen): f( ) st ene Verfenerung von, d.h. für jede Zelle V' aus f( ) ex. ene Zelle V aus mt V' V. Für en Knoten v V und ene Knotenmenge W V se d(v, W) de Anzahl der Knoten n W, de adjazent zu v snd..schrtt : Gestartet wrd mt der Unt-Partton ( = (V) ). Berechnung von d(v,v) (Grad jedes Knoten) Ergebns : Partton = (W,...,W ) j Sete 8 9

10 2..2 Der Suchbaum T 2.Schrtt : Jede Zelle von wrd verfenert. Für jeden Knoten v aus W wrd der Vektor (v) = (d(v, W ),..., d(v, W )) bestmmt und de Knoten von W desbezüglch geordnet (lexkographsche Ordnung). Ergebns : Partton 2 j 3. bs +. Schrtt: Partton ensteht aus,... usw bs letztlch ene Verfenerung von st + Sete 9 REFINEMENT PROCEDURE f( ) : new = repeat untl old return = new let = (V,...,V ) old r' for = to r' do for each v compute V do 2..2 Der Suchbaum T (v)= (d(v,w ),...,d(v,w )) r' partton V nto W,..., W such that for v W, w W : replace V n new = new old j k l by W,...,W new j (v) < (w) k < l Sete 20 0

11 2..2 Der Suchbaum T Wurzel = (V,...,V r ) entsprcht der Verfenerung der Unt-Partton Ist dskrete Partton, hat T nur enen Knoten, anderenfalls werden de de Nachfolger von we folgt abgeletet: Se V= v,...,v de erste ncht trvale Zelle von, dann hat ' ' m m Nachfolger ( f( \v ),...,f( \v ) ) ' ' m ' ' ' f( \ v ) = f( (V,..., V -, v j, V \ v j, V +,..., V r ) ) Somt Testen aller Möglchketen der Verfenerung Sete Der Suchbaum T Bestmmung aller Nachfolger von Knoten ' T mt selber Vorgehenswese, sofern ' kene dskrete Partton st alle Blätter von T snd dskrete Parttonen De Ordnung ener solchen dskreten Partton ( v,..., v ), S () (n) n bestmmt de Adjazenzmatrx des entsprechenden Blattes Mc Kay: Label C(G) st de klenste Adjazenzmatrx unter allen Blättern Sete 22

12 2..2 Suchbaum T (Bespel) Verfenerungsstufen : Graph G V V 7 V 2 V 5 V 3 V 4. v, v, v, v, v, v, v v, v, v, v, v, v, v v, v, v, v, v, v, v v, v, v,v, v, v, v V 6 v, v 2, v 3,v 4, v 5, v 6, v7 Suchbaum T v, v 2, v 3, v 4, v 5, v 6, v7 v, v 2, v 4, v 3, v 5, v 6, v7 Sete Suchbaum T Theorem 2..2: G und G senen zwe ungerchtete Graphen. C(G ) und C(G ) seen de Labels, abgeletet von den korresponderenden Suchbäumen. Dann glt: C(G ) und C(G 2 ) G G2 Herbe st klar, dass zwe ncht-somorphe Graphen ncht dasselbe Label haben können. Sete 24 2

13 2..2 Beschneden des Suchbaums T Nauty: kene explzte Berechnung des Suchbaums T Stratege: möglchst vele Unterbäume von der Suche auszuschleßen Algorthmus merkt sch de aktuell klenste Adjazezmatrx A mn: Bem Besuch enes Blattes l wrd geschaut, ob A l <A mn glt und ggf. A l =A mn gesetzt am Ende: A mn hat Label C(G) Sete Beschneden des Suchbaums T Algorthmus merkt sch ebenfalls de Untergruppe Automorphsmus-Gruppe von G. t (G) =,..., (t) (t) snd, de bs zur Zet t berechnet wurden t (G) der,wobe,..., alle Automorphsmen Seen w,...,w und w,...,w de Knotenordnungen zweer ' ' n n Blätter. Dann st : w w ', =,...,n en Automorphsmus 2 3 (a) G (b) G Sete 26 3

14 2..2 Beschneden des Suchbaums T Defnton 2..3 (Lneare Ordnung der Knoten von T): Seen, zwe unterschedlche Knoten von T und se der letzte Vorfahre beder Knoten. Es glt: ' < ' wenn = oder wenn für zwe Knoten v und v n der ersten ncht-trvalen Zelle von j, T( \v )und T( \v ) glt < j 2 j mt f( \v ) <j f( \v j ) 2 Sete Beschneden des Suchbaums T Defnton 2..4 (Äquvalenzrelaton): Seen = (V,...,V ) T und (W,...,W ) T. m 2 m Es glt: gdw. Automorphsmus Aut(G) und ene Permutaton S, so dass (V) W für =,...,m. m () Theorem 2..5: Se T und seen T und T zwe Unterbäume von T, welche an den Knoten und "hängen". Dann glt: Für jeden Knoten T T mt ' ' ' ' 2 Sete 28 4

15 2..2 Beschneden des Suchbaums T Konsequenz aus Theorem 2..5: Der Unterbaum T an Knoten 2 2 kann ausgeschlossen werden, wenn en Knoten exstert, mt '< ' und We wrd t ( G) angew andt, um äquvalente nnere Knoten zu fnden? Für Knoten v V, st (v) (G) der Orbt von v bzgl. (G). ( G) se de Orbt - Partton von V zur Zet t. Wrd t t en Automorphsmus gefunden, wrd (G) aktualsert. (G) wrd gröber, der neue Automorphsmus vergrößert wobe Knoten Aquvalenzen aufwesen können. t t t t (G), Sete Beschneden des Suchbaums T r m Theorem 2..6: Se = (V,...,V ) ' ' T und V= v,...,v de erste nchttrvale Zelle von. Legen v, v ' t ' j ' ' j V m selben Orbt von, dann ex. en Automorphsmus (G), der f( \v ) f( \v ) zegt. t Sete 30 5

16 2..2 Beschneden des Suchbaums T Mt Theorem 2..6 kann der Baum beschntten werden: Algorthmus errecht enen Knoten T, dessen erste ncht-trvale Zelle V st. zerlegt ene Partton von V n Zellen, so daß jewels t zwe Knoten deser Zellen m selben Orbt legen. Dese Partton wrd mt t V bezechnet. ' Theorem 2..6 nur en Nachfolger T( \ v ) jeder Zelle t V betrachten ' v hat dabe den klensten ntalen Index n deser Zelle Sete Beschneden des Suchbaums T NAUTYALGORI THM (G = (V,E), V = v,..., v n ) process ( = (V,...,V )) f r=n then l r dentfy V = v,..., V = v wth vertex order v,...,v ' ' ' ' n n n compute adj.matrx A nduced by v,...,v f A = nl then else A = A, vertex_order(a )= v,...,v ' ' l l n A = A, vertex_order(a )= v,...,v ' ' n ' ' mn mn n f A > A then A = A,vertex_order(A )= v,...,v else... ' ' mn mn mn n Sete 32 6

17 2..2 Beschneden des Suchbaums T... = nl else f A = A then l compute automorphsm by vertex_order(a )= v,...,v mn l mn ' ' l n f A A and A = A then f let V= v,...,v ' ' m compute automorphsm by vertex_order(a nl then (G) = update (G) )= v,...,v ' ' mn n nduced nduced '' '' m' ' for j= to m do check jump back be the frst non-trval cell of let v,...,v be the mnmul cell representatves of V '' process (f( \v j ) Sete Problematk von GI Problem: Komplextätsklasse von GI? Zel: GI n polynomaler Zet zu lösen! Frage: Exstert überhaupt en polynomaler Algorthmus? Vorgehenswese: we NAUTY, jedoch Benutzung ener anderen REFINEMENT- Prozedur und Berechnung nur enes Blattes des Suchbaums. Sete 34 7

18 2..3 Problematk von GI Verenbarungen: Se das berechnete Blatt m Suchbaum G, welches C(G ) 2 k defnert. Se C(G ) defnert. ' ' k k' das berechnete Blatt m Suchbaum G, welches ' k 2,..., und,..., seen de Knotenparttonen, de berechnet wurden, um und zu erhalten. k ' k Dann glt : k = k' und für =,...,k: und stmmen bzgl. Zellenanzahl und Kardnaltät der enzelnen Zellen überen ' Sete Problematk von GI Verenbarungen (cont.): Ferner soll für = (V,...,V ) und = (V,...,V ) und für jedes ' ' ' r r Paar V v,..., v, V v,..., v folgendes gelten: ' ' ' j m j m Für alle (v, v') V V exstert en I somorphsmus zwschen G und G mt (v) = v' ' j O.g. Verenbarung Berechnung nur enes Blattes ' Egal, welche Knoten v,v' aus und gewählt werden Sete 36 8

19 2..3 Problematk von GI Bespel: demonstrert de Schwergket GI n polynomeller Zet zu lösen Bespelgraph G=(V,E) st regulär d(v,v) = d(w,v) für alle Knoten v,w Unt-Partton wrd durch f ncht verfenert Kopen G und G 2 von G : Nmmt man v aus V, um C(G ) herzuleten und nmmt man v aus G um C(G ) zu berechnen, so 2 2 kommt man zum Schluss, dass G und G ncht somorph snd FALSCH v 3 v v 2 Bespelgraph G regulärer Graph (jeder Knoten hat 3 Nachbarn) Sete 37 Kaptel 2.2 Ähnlchketen be Graphen 9

20 2.2 Allgemenes Graph - Isomorphsmus Haben zwe Graphen ene dentsche Struktur? Graph - Ähnlchket Spezfzert we ähnlch Graphen snd, gbt Methoden Ähnlchketen und Dstanzen zu berechnen Defnton 2.2.: Seen G, G und G Graphen. Ene Funkton d:g 3 heßt metrsche Graph-Dstanz, wenn glt: Reflexvtät: d(g, G )= 0 G G (mplzert Lösung für GI) Symetre: d(g, G )= d(g, G ) 2 -Ungle chung: d(g, G 2)+ d(g2, G 3) d(g, G 3) G 0 Sete Allgemenes (cont( cont.) Alle Graph-Dstanz Metrken snd schwer zu berechnen (sehe Reflexvtät) Im folgenden sollen dre Typen zur Ähnlchketsberechnung zwschen Graphen vorgestellt werden: zwe metrsche Typen: o Grösse von maxmalen Untergraphen o Dfferenz n der Länge korresponderender Pfade anderer Ansatz: o Ähnlchket zweer Graphen, durch de Anzahl der Operatonen, um enen Graph n den anderen zu transformeren Sete 40 20

21 2.2. Edt Dstance Gegeben st ene Anzahl von Operatonen; de Dstanz zweer Graphen st herbe de mnmale Anzahl von Operatonen, um enen Graphen n den anderen zu transformeren Typsche Operatonen: Enfügen, Löschen und Ersetzen von Knoten und Kanten Operatonen werden ncht-negatve Kosten zugewesen, um spezellen Voraussetzungen zu genügen Dstanz: mnmale Kosten über alle Operatonen, um enen Graphen n den anderen zu überführen Für manche Kombnatonen von Operatonen und Kosten genügt de Dstanz-Metrk (mplzert: Ähnlchketsproblem st genauso schwer lösbar we GI) Aber: Dstanz st effzent berechenbar für ene enfache Menge von Operatonen Sete Bespel Vortel: enfache Handhabung Nachtel: lefert bedeutungslose Resultate Erlaubte Operatonen: Enfügen von Knoten Kosten (en (solerter) Knoten wrd n den Graph engefügt) Löschen von Knoten Kosten (en (solerter) Knoten wrd gelöscht) Enfügen von Kanten Kosten 0 (neue Kante zwschen zwe wllkürlch gewählten Knoten) Löschen von Kanten Kosten 0 (Kante wrd aus Graph gelöscht) d Bespel= V(G ) V(G2 ) Dstanz herbe de Dfferenz der Knotenanzahl beder Graphen Sete 42 2

22 2.2. Bespel 2 Engeführt von Papadopoulos und Manolopoulos Erlaubte Operatonen (alle haben Kosten ): Enfügen von Knoten (en (solerter) Knoten wrd n den Graph engefügt) Löschen von Knoten (en (solerter) Knoten wrd gelöscht) Update ener Kante (en Endknoten ener Kante wrd geändert) Enfügen und Löschen von Kanten benötgen zwe Kanten- Updates Sete Bespel 2 (cont( cont.) Angewandt auf untenstehende Graphen glt: G n G 2 transformeren benötgt zwe Operatonen (zwe Kanten-Updates) G n G 3 transformeren benötgt dre Operatonen (zwe Kanten-Updates und Enfügung enes Knoten) Ergebns: G st ähnlcher zu G 2 als zu G 3 (a) G (b) G 2 (c) G 3 Sete 44 22

23 2.2.2 Dfferenz n der Pfadlänge Dese Methode der Ähnlchketsbestmmung st en Bespel ener Graph-Dstanz-Metrk. Enfache Defnton, aber: schwer zu berechnen Im folgenden werden für alle Knotenpaare de Summe der Dfferenzen der Längen korresponderender Pfade betrachtet. Daher: Betrachtung nur solcher Graphen mt glecher Anzahl von Knoten Sete Defntonen Seen G und G zwe somorph verbundene Graphen mt Isomorphsmus : V(G ) V(G ). Zwe Knoten n G snd adjazent, wenn hre somorphen Knoten n G adjazent snd. D.h.: u,v V(G ) : u,v 2 E(G ) (u), (v) E(G ) Ene äquvalente Formulerung, ausgedehnt auf wllkürlch gewählte Knotenpaare, st: u,v V(G ) : d (u, v) = d ( (u), (v)) G G2 Sete 46 23

24 Defnton 2.2.2: Defntonen Für zw e verbundene Graphen G und G m t glecher Anzahl von Knoten und ener Bjekton : V( G ) V( G ) defneren w r de -Dstanz d m t: d ( G, G ) d (u, v ) d ( (u), ( v ) ) G G2 u,v V( G ) V( G ) w obe de Sum m e über alle ungeordneten Knotenpaare von G erm ttelt w rd. Defnton 2.2.3: Für zw e verbundene Graphen G und G m t glecher Anzahl von Knoten defneren w r de Pfad-Dstanz m t: d (G, G ) m n d (G, G ) PATH w obe de Menge aller Bjektonen zw schen V(G ) u 2 nd V(G ) st. Sete Bespel Se G untenstehender Graph und G 2 en Kres aus ver Knoten. symmetrschen Struktur nur zwe näquvalente Abbldungen bzgl. der Pfaddstanzen (sehe und 2 ) Abbldungen, 2 : V(G ) V(G 2 ) mt j = j; j= 4 beschreben dese Es glt: d (G, G ) 4 und d (G, G ) 8 2 d PATH (G, G 2) (a) G 3 4 (b) 4 2 (c) 2 Sete 48 24

25 2.2 Berechnung der Pfad- Dstanz Zusammenfassung:. Berechnung der Dstanzen für alle Paare von Knoten n beden Graphen (all-pars shortest path problem) 2. Berechnung der -Dstanz für ene gegebene Bjekton (n Zet O(n 2 ) ) 3. Ermtteln derjengen Bjekton mt dem klensten Wert. Sete Größe maxmaler Untergraphen Wederholung: En Graph G' = (V',E') st en Untergraph enes Graphen G = (V,E), wenn V' V und E' E glt. G' st en nduzerter Untergraph von G, wenn E' alle Kanten e E benhaltet, de Knoten aus V' verbnden. Defnton 2.2.4: Seen G und G ungerchtete Graphen. Ene njektve Funkton : V(G ) V(G ) st en Untergraph- 2 2 Isomorphsmus von G zu G, wenn en nduzerter Untergraph G ' G exstert, so dass en Graph - Isomorphsmus zwschen G und G st. Sete 50 25

26 2.2.x Defntonen Wederholung: En Graph G' = (V',E') st en Untergraph enes Graphen G = (V,E), wenn V' V und E' E glt. G' st en nduzerter Untergraph von G, wenn E' alle Kanten e E benhaltet, de Knoten aus V' verbnden. Defnton 2.2.4: Seen G und G ungerchtete Graphen. 2 2 Ene njektve Funkton : V(G ) V(G ) st en Untergraph- Isomorphsmus von G zu G, wenn en nduzerter Untergraph G ' G exstert, so dass en Graph - Isomorphsmus zwschen G und G st. Sete x Defntonen Defnton 2.2.5: Seen G und G ungerchtete Graphen. En nduzerter Untergraph S von G und G, wenn en Untergraph-Isomorphsmus von S zu G zu G exstert Defnton 2.2.6: Seen G und G ungerchtete Graphen. En nduzerter Untergraph S von G und G st maxmal, wenn ken anderer nduzerter Untergraph mt mehr Knoten exstert. Wr bezechnen desen als "maxmal nduzerter Untergraph" (MCIS) und schreben mcs(g, G ) Sete 52 26

27 2.2.x Defntonen En Graph G'=(V',E') st en kanten-nduzerter Untergraph des Graphen G = (V,E), wenn E' E glt, und V' nur de nzdenten Knoten der Kanten n E' benhaltet. Verglech kanten und knoten-nduzerter Graphen: (a) kanten- nduzert (b) knoten- nduzert (c) knoten- und kanten- nduzert (d) ncht nduzert Sete x Defntonen Defnton 2.2.7: Seen G und G ungerchtete Graphen. Ene njektve Funkton : V(G ) V(G ) st en kanten Untergraph-Isomorphsmus von G zu G, wenn en kantennduzerter Untergraph S G exstert, so dass en Graph - Isomorphsmus zwschen G und S st 2 Defnton 2.2.8: Seen G und G ungerchtete Graphen. En Graph S st en Kanten-Untergraph von G und G, wenn en Kanten Untergraph-Isomorphsmus von S nach G und G exstert Sete 54 27

28 2.2.x Defntonen Defnton 2.2.9: Seen G und G ungerchtete Graphen. En Kanten - Untergraph S von G und G st maxmal, wenn ken anderer kanten-nduzerter Untergraph mt mehr Knoten exstert. Wr bezechnen desen als "maxmalen Kanten - Untergraph" (MCES) und schreben mces(g, G ) Sete x Defntonen Defnton 2.2.0: Seen G und G ungerchtete Graphen, bede ncht leer. Wr defneren de MCIS-Dstanz d mcs d mcs (G, G 2) - max( V(G ), V(G 2 ) ) und de MCES-Dstanz d mces durch V( mcs(g, G ) ) durch V( mces(g, G ) ) d mces (G, G 2) - max( V(G ), V(G 2 ) ) MCIS und MCES- Dstanzen snd Metrken: Reflexvtät und Symetre klar Dreecksunglechung glt, aber ken Bewes an deser Stelle Sete 56 28

29 2.2.3 Berechnung von MCIS und MCES Ansatz (Mc Gregor): Ähnlch dem Backtrackng-Algorthmus Startet be enzelnen Knoten und fügt teratv Knoten (und nzdente Kanten) hnzu, de de Untergraph Bedngung ncht verletzen Kann ken Knoten mehr hnzugefügt werden, wrd de Größe des gefundenen Subgraphen mt derer vorherger Subgraphen verglchen Größter Untergraph wrd zurückgelefert Sete Berechnung von MCIS und MCES Ansatz 2: MCIS zweer Graphen entsprcht ener maxmalen Clque (MC) m modularen Produktgraph. Der modulare Produktgraph G G der Graphen G und G wrd defnert auf der Knotenmenge V(G G ) = V(G ) V(G ) (u, u ) E( G ) und (v, v ) E(G ) j Zwe Knoten snd dabe adjazent, wenn entweder oder j 2 (u, u ) E(G ) und (v, v ) E(G ) glt. j j 2 Sete 58 29

30 ENDE 30

31 Deses Dokument wurde mt Wn2PDF, erhaeltlch unter De unregstrerte Verson von Wn2PDF darf nur zu ncht-kommerzellen Zwecken und zur Evaluaton engesetzt werden.

4. Musterlösung. Problem 1: Kreuzende Schnitte **

4. Musterlösung. Problem 1: Kreuzende Schnitte ** Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,

Mehr

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com. Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener

Mehr

Methoden der innerbetrieblichen Leistungsverrechnung

Methoden der innerbetrieblichen Leistungsverrechnung Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den

Mehr

18. Dynamisches Programmieren

18. Dynamisches Programmieren 8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus

Mehr

1 Definition und Grundbegriffe

1 Definition und Grundbegriffe 1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:

Mehr

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm): Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.

Mehr

Nernstscher Verteilungssatz

Nernstscher Verteilungssatz Insttut für Physkalsche Cheme Grundpraktkum 7. NERNSTSCHER VERTEILUNGSSATZ Stand 03/11/2006 Nernstscher Vertelungssatz 1. Versuchsplatz Komponenten: - Schedetrchter - Büretten - Rührer - Bechergläser 2.

Mehr

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt: Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,

Mehr

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree

Mehr

Gruppe. Lineare Block-Codes

Gruppe. Lineare Block-Codes Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung

Mehr

Ionenselektive Elektroden (Potentiometrie)

Ionenselektive Elektroden (Potentiometrie) III.4.1 Ionenselektve Elektroden (otentometre) Zelstellung des Versuches Ionenselektve Elektroden gestatten ene verhältnsmäßg enfache und schnelle Bestmmung von Ionenkonzentratonen n verschedenen Meden,

Mehr

Kapitel 8: Graph-Strukturierte Daten

Kapitel 8: Graph-Strukturierte Daten Ludwg Maxmlans Unerstät München Insttut für Informatk Lehr- und Forschungsenhet für Datenbanksysteme Skrpt zur Vorlesung Knowledge Dscoery n Dtb Databases II m Wntersemester 2011/2012 Kaptel 8: Graph-Strukturerte

Mehr

FORMELSAMMLUNG STATISTIK (I)

FORMELSAMMLUNG STATISTIK (I) Statst I / B. Zegler Formelsammlng FORMELSAMMLUG STATISTIK (I) Statstsche Formeln, Defntonen nd Erläterngen A a X n qaltatves Mermal Mermalsasprägng qanttatves Mermal Mermalswert Anzahl der statstschen

Mehr

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem

Mehr

Statistik und Wahrscheinlichkeit

Statistik und Wahrscheinlichkeit Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse

Mehr

Lineare Regression (1) - Einführung I -

Lineare Regression (1) - Einführung I - Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:

Mehr

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de

Mehr

Wechselstrom. Dr. F. Raemy Wechselspannung und Wechselstrom können stets wie folgt dargestellt werden : U t. cos (! t + " I ) = 0 $ " I

Wechselstrom. Dr. F. Raemy Wechselspannung und Wechselstrom können stets wie folgt dargestellt werden : U t. cos (! t +  I ) = 0 $  I Wechselstrom Dr. F. Raemy Wechselspannung und Wechselstrom können stets we folgt dargestellt werden : U t = U 0 cos (! t + " U ) ; I ( t) = I 0 cos (! t + " I ) Wderstand m Wechselstromkres Phasenverschebung:!"

Mehr

Spiele und Codes. Rafael Mechtel

Spiele und Codes. Rafael Mechtel Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,

Mehr

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar. . Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen

Mehr

Einführung in die Finanzmathematik

Einführung in die Finanzmathematik 1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg

Mehr

Netzwerkstrukturen. Entfernung in Kilometer:

Netzwerkstrukturen. Entfernung in Kilometer: Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.

Mehr

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf.

Ich habe ein Beispiel ähnlich dem der Ansys-Issue [ansys_advantage_vol2_issue3.pdf] durchgeführt. Es stammt aus dem Dokument Rfatigue.pdf. Ich habe en Bespel ähnlch dem der Ansys-Issue [ansys_advantage_vol_ssue3.pdf durchgeführt. Es stammt aus dem Dokument Rfatgue.pdf. Abbldung 1: Bespel aus Rfatgue.pdf 1. ch habe es manuell durchgerechnet

Mehr

ERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de

ERP Cloud Tutorial. E-Commerce ECM ERP SFA EDI. Backup. Preise erfassen. www.comarch-cloud.de ERP Cloud SFA ECM Backup E-Commerce ERP EDI Prese erfassen www.comarch-cloud.de Inhaltsverzechns 1 Zel des s 3 2 Enführung: Welche Arten von Presen gbt es? 3 3 Beschaffungsprese erfassen 3 3.1 Vordefnerte

Mehr

1 - Prüfungsvorbereitungsseminar

1 - Prüfungsvorbereitungsseminar 1 - Prüfungsvorberetungssemnar Kaptel 1 Grundlagen der Buchführung Inventur Inventar Blanz Inventur st de Tätgket des mengenmäßgen Erfassens und Bewertens aller Vermögenstele und Schulden zu enem bestmmten

Mehr

Franzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny

Franzis Verlag, 85586 Poing ISBN 978-3-7723-4046-8 Autor des Buches: Leonhard Stiny eseproben aus dem Buch "n mt en zur Elektrotechnk" Franzs Verlag, 85586 Pong ISBN 978--77-4046-8 Autor des Buches: eonhard Stny Autor deser eseprobe: eonhard Stny 005/08, alle echte vorbehalten. De Formaterung

Mehr

Kreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik)

Kreditpunkte-Klausur zur Lehrveranstaltung Projektmanagement (inkl. Netzplantechnik) Kredtpunkte-Klausur zur Lehrveranstaltung Projektmanagement (nkl. Netzplantechnk) Themensteller: Unv.-Prof. Dr. St. Zelewsk m Haupttermn des Wntersemesters 010/11 Btte kreuzen Se das gewählte Thema an:

Mehr

Standortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung

Standortplanung. Positionierung von einem Notfallhubschrauber in Südtirol. Feuerwehrhaus Zentrallagerpositionierung Standortplanung Postonerung von enem Notfallhubschrauber n Südtrol Postonerung von enem Feuerwehrhaus Zentrallagerpostonerung 1 2 Postonerung von enem Notfallhubschrauber n Südtrol Zu bekannten Ensatzorten

Mehr

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2 1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:

Mehr

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung Fachberech Mathematk Prof. K. Grosse-Brauckmann D. Frsch WS 27/8./.. 6. Übungsblatt zur Lnearen Algebra für Physker Gruppenübung Aufgabe G7 (Kern, Bld, Rang und Orthogonaltät) Gegeben se ene lneare Abbldung

Mehr

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale 3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche

Mehr

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition Informatk II Raner Schrader und Implkanten Zentrum für Angewandte Informatk Köln 27. Oktober 2005 1 / 28 2 / 28 Was bsher geschah: jede Boolesche Funkton kann durch enfache Grundfunktonen dargestellt werden

Mehr

Free Riding in Joint Audits A Game-Theoretic Analysis

Free Riding in Joint Audits A Game-Theoretic Analysis . wp Wssenschatsorum, Wen,8. Aprl 04 Free Rdng n Jont Audts A Game-Theoretc Analyss Erch Pummerer (erch.pummerer@ubk.ac.at) Marcel Steller (marcel.steller@ubk.ac.at) Insttut ür Rechnungswesen, Steuerlehre

Mehr

Unter der Drehgruppe verstehen wir diegruppe der homogenen linearen Transformationen

Unter der Drehgruppe verstehen wir diegruppe der homogenen linearen Transformationen Darstellunstheore der SO() und SU() Powtschnk Alexander. Defnton Darstellun Ene Darstellun ener Gruppe G st homomorphe Abbldun von deser Gruppe auf ene Gruppe nchtsnulärer lnearer Operatoren auf enem Vektorraum

Mehr

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6

Praktikum Physikalische Chemie I (C-2) Versuch Nr. 6 Praktkum Physkalsche Cheme I (C-2) Versuch Nr. 6 Konduktometrsche Ttratonen von Säuren und Basen sowe Fällungsttratonen Praktkumsaufgaben 1. Ttreren Se konduktometrsch Schwefelsäure mt Natronlauge und

Mehr

Operations Research II (Netzplantechnik und Projektmanagement)

Operations Research II (Netzplantechnik und Projektmanagement) Operatons Research II (Netzplantechnk und Projektmanagement). Aprl Frank Köller,, Hans-Jörg von Mettenhem & Mchael H. Bretner.. # // ::: Gute Vorlesung:-) Danke! Feedback.. # Netzplantechnk: Überblck Wchtges

Mehr

d da B A Die gesamte Erscheinung der magnetischen Feldlinien bezeichnet man als magnetischen Fluss. = 1 V s = 1 Wb

d da B A Die gesamte Erscheinung der magnetischen Feldlinien bezeichnet man als magnetischen Fluss. = 1 V s = 1 Wb S N De amte Erschenng der magnetschen Feldlnen bezechnet man als magnetschen Flss. = V s = Wb Kraftflssdchte oder magnetsche ndkton B. B d da B = Wb/m = T Für homogene Magnetfelder, we se m nneren von

Mehr

6. Modelle mit binären abhängigen Variablen

6. Modelle mit binären abhängigen Variablen 6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch

Mehr

3. Lineare Algebra (Teil 2)

3. Lineare Algebra (Teil 2) Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw

Mehr

1 BWL 4 Tutorium V vom 15.05.02

1 BWL 4 Tutorium V vom 15.05.02 1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)

Mehr

Einbau-/Betriebsanleitung Stahl-PE-Übergang Typ PESS / Typ PESVS Originalbetriebsanleitung Für künftige Verwendung aufbewahren!

Einbau-/Betriebsanleitung Stahl-PE-Übergang Typ PESS / Typ PESVS Originalbetriebsanleitung Für künftige Verwendung aufbewahren! Franz Schuck GmbH Enbau-/Betrebsanletung Stahl-PE-Übergang Typ PESS / Typ PESVS Orgnalbetrebsanletung Für künftge Verwendung aufbewahren! Enletung Dese Anletung st für das Beden-, Instandhaltungs- und

Mehr

Datenträger löschen und einrichten

Datenträger löschen und einrichten Datenträger löschen und enrchten De Zentrale zum Enrchten, Löschen und Parttoneren von Festplatten st das Festplatten-Denstprogramm. Es beherrscht nun auch das Verklenern von Parttonen, ohne dass dabe

Mehr

Die Ausgangssituation... 14 Das Beispiel-Szenario... 14

Die Ausgangssituation... 14 Das Beispiel-Szenario... 14 E/A Cockpt Für Se als Executve Starten Se E/A Cockpt........................................................... 2 Ihre E/A Cockpt Statusüberscht................................................... 2 Ändern

Mehr

IT- und Fachwissen: Was zusammengehört, muss wieder zusammenwachsen.

IT- und Fachwissen: Was zusammengehört, muss wieder zusammenwachsen. IT- und achwssen: Was zusammengehört, muss weder zusammenwachsen. Dr. Günther Menhold, regercht 2011 Inhalt 1. Manuelle Informatonsverarbetung en ntegraler Bestandtel der fachlchen Arbet 2. Abspaltung

Mehr

"Zukunft der Arbeit" Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft

Zukunft der Arbeit Arbeiten bis 70 - Utopie - oder bald Realität? Die Arbeitnehmer der Zukunft "Zukunft der Arbet" Arbeten bs 70 - Utope - oder bald Realtät? De Arbetnehmer der Zukunft Saldo - das Wrtschaftsmagazn Gestaltung: Astrd Petermann Moderaton: Volker Obermayr Sendedatum: 7. Dezember 2012

Mehr

Manhattan-Metrik anhand des Beispiels

Manhattan-Metrik anhand des Beispiels Bestmmung durch Manhattan-Metrk 3 Manhattan-Metrk anhand des Bespels Gesucht werden de zwe Standorte für zwe Ausleferungslager. De Standpunkte der Nachfrager () snd durch de Koordnaten ( x/y ) gegeben.

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz): LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete

Mehr

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct? We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de

Mehr

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct?

Wie eröffne ich als Bestandskunde ein Festgeld-Konto bei NIBC Direct? We eröffne ch als Bestandskunde en Festgeld-Konto be NIBC Drect? Informatonen zum Festgeld-Konto: Be enem Festgeld-Konto handelt es sch um en Termnenlagenkonto, be dem de Bank enen festen Znssatz für de

Mehr

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Insttut für Stochastk Prof Dr N Bäuerle Dpl-Math S Urban Lösungsvorschlag 6 Übungsblatt zur Vorlesung Fnanzatheatk I Aufgabe Put-Call-Party Wr snd nach Voraussetzung n ene arbtragefreen Markt, also exstert

Mehr

Facility Location Games

Facility Location Games Faclty Locaton Games Semnar über Algorthmen SS 2006 Klaas Joeppen 1 Abstract Wr haben berets sehr häufg von Nash-Glechgewchten und vor allem von deren Exstenz gesprochen. Das Faclty Locaton Game betet

Mehr

Netzsicherheit I, WS 2008/2009 Übung 3. Prof. Dr. Jörg Schwenk 27.10.2008

Netzsicherheit I, WS 2008/2009 Übung 3. Prof. Dr. Jörg Schwenk 27.10.2008 Netzscherhet I, WS 2008/2009 Übung Prof. Dr. Jörg Schwenk 27.10.2008 1 Das GSM Protokoll ufgabe 1 In der Vorlesung haben Se gelernt, we sch de Moble Staton (MS) gegenüber dem Home Envroment (HE) mt Hlfe

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen

Mehr

Chair of Software Engineering

Chair of Software Engineering 1 2 Enführung n de Programmerung Bertrand Meyer Vorlesung 13: Contaner-Datenstrukturen Letzte Bearbetung 1. Dezember 2003 Themen für dese Vorlesung 3 Contaner-Datenstrukturen 4 Contaner und Genercty Enthalten

Mehr

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel ultlneare Algebra und hre Anwendungen Nr. : Normalformen Verfasser: Yee Song Ko Adran Jenn Rebecca Huber Daman Hodel 9.5.7 - - ultlneare Algebra und hre Anwendungen Jordan sche Normalform Allgemene heore

Mehr

Der Satz von COOK (1971)

Der Satz von COOK (1971) Der Satz von COOK (1971) Voraussetzung: Das Konzept der -Band-Turng-Maschne (TM) 1.) Notatonen: Ene momentane Beschrebung (mb) ener Konfguraton ener TM st en -Tupel ( α1, α2,..., α ) mt α = xqy, falls

Mehr

Die Leistung von Quicksort

Die Leistung von Quicksort De Lestung von Qucsort Jae Hee Lee Zusammenfassung Der Sorteralgorthmus Qucsort st als ens der effzenten Sorterverfahren beannt. In deser Ausarbetung werden wr sene Komplextät zuerst möglchst präzse schätzen

Mehr

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung: Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab

Mehr

Weitere NP-vollständige Probleme

Weitere NP-vollständige Probleme Wetere NP-vollständge Probleme Prosemnar Theoretsche Informatk Marten Tlgner December 10, 2014 Wr haben letzte Woche gesehen, dass 3SAT NP-vollständg st. Heute werden wr für enge wetere Probleme n NP zegen,

Mehr

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder - Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole

Mehr

Diskrete Mathematik 1 WS 2008/09

Diskrete Mathematik 1 WS 2008/09 Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /

Mehr

Entscheidungsprobleme der Marktforschung (1)

Entscheidungsprobleme der Marktforschung (1) Prof. Dr. Danel Baer. Enführung 2. Informatonsbedarf 3. Datengewnnung 2. Informatonsbedarf Entschedungsprobleme der () Informatonsbedarf Art Qualtät Menge Informatonsbeschaffung Methodk Umfang Häufgket

Mehr

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE

VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE VERGLEICH VON TESTVERFAHREN FÜR DIE DEFORMATIONSANALYSE Karl Rudolf KOCH Knut RIESMEIER In: WELSCH, Walter (Hrsg.) [1983]: Deformatonsanalysen 83 Geometrsche Analyse und Interpretaton von Deformatonen

Mehr

13.Selbstinduktion; Induktivität

13.Selbstinduktion; Induktivität 13Sebstndukton; Induktvtät 131 Sebstndukton be En- und Ausschatvorgängen Versuch 1: Be geschossenem Schater S wrd der Wderstand R 1 so groß gewäht, dass de Gühämpchen G 1 und G 2 gech he euchten Somt snd

Mehr

4. Ratenmonotones Scheduling Rate-Monotonic Scheduling (LIU/LAYLAND 1973)

4. Ratenmonotones Scheduling Rate-Monotonic Scheduling (LIU/LAYLAND 1973) 4. Raenmonoones Schedulng Rae-Monoonc Schedulng (LIU/LAYLAND 973) 4.. Tasbeschrebung Tas Planungsenhe. Perodsche Folge von Jobs. T = {,..., n } Tasparameer Anforderungsze, Bereze (release me) Bearbeungs-,

Mehr

1.1 Grundbegriffe und Grundgesetze 29

1.1 Grundbegriffe und Grundgesetze 29 1.1 Grundbegrffe und Grundgesetze 9 mt dem udrtschen Temperturkoeffzenten 0 (Enhet: K - ) T 1 d 0. (1.60) 0 dt T 93 K Betrchtet mn nun den elektrschen Wderstnd enes von enem homogenen elektrschen Feld

Mehr

Elemente der Mathematik - Sommer 2016

Elemente der Mathematik - Sommer 2016 Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s

Mehr

Resultate / "states of nature" / mögliche Zustände / möglicheentwicklungen

Resultate / states of nature / mögliche Zustände / möglicheentwicklungen Pay-off-Matrzen und Entschedung unter Rsko Es stehen verschedene Alternatven (Strategen) zur Wahl. Jede Stratege führt zu bestmmten Resultaten (outcomes). Man schätzt dese Resultate für jede Stratege und

Mehr

Die Jordansche Normalform

Die Jordansche Normalform De Jordansche Normalform Danel Hug 29. Aprl 211 KIT Unverstät des Landes Baden-Württemberg und natonales Forschungszentrum n der Helmholtz-Gemenschaft www.kt.edu 1 Zerlegung n Haupträume 2 Fazt und nächstes

Mehr

Vorlesung 3 Differentialgeometrie in der Physik 13

Vorlesung 3 Differentialgeometrie in der Physik 13 Vorlesung 3 Dfferentalgeometre n der Physk 13 Bemerkung. Ist M Manngfaltgket, p M und φ : U R n Karte mt p U, so nennt man U auch Koordnatenumgebung und φ auch Koordnatensystem n p. Bespel 2.4 Seen R >

Mehr

6 Wandtafeln. 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln. 6.3.1 Allgemeines

6 Wandtafeln. 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln. 6.3.1 Allgemeines 6 Wandtafeln 6.3 Berechnung der Kräfte und des Schubflusses auf Wandtafeln 6.3.1 Allgemenes Be der Berechnung der auf de enzelnen Wandtafeln entfallenden Horzontalkräfte wrd ene starre Deckenschebe angenommen.

Mehr

Anmerkungen zur Übergangsprüfung

Anmerkungen zur Übergangsprüfung DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung

Mehr

Für wen ist dieses Buch? Was ist dieses Buch? Besonderheiten. Neu in dieser Auflage

Für wen ist dieses Buch? Was ist dieses Buch? Besonderheiten. Neu in dieser Auflage Für wen st deses Bch? Das Taschenbch der Elektrotechnk rchtet sch an Stdentnnen nd Stdenten an nverstäten nd Fachhochschlen n den Berechen Elektrotechnk Nachrchtentechnk Technsche Informatk allgemene Ingenerwssenschaften

Mehr

Invariantentheorie. Vorlesung 3. Lineare Operationen

Invariantentheorie. Vorlesung 3. Lineare Operationen Prof. Dr. H. Brenner Osnabrück WS 2012/2013 Invarantentheore Vorlesung 3 Lneare Operatonen Ene Operaton ener Gruppe G auf ener (geometrschen) Menge M st das gleche we en Gruppenhomomorphsmus der Gruppe

Mehr

6. Übung zur Linearen Algebra II

6. Übung zur Linearen Algebra II Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der

Mehr

Qualitative Evaluation einer interkulturellen Trainingseinheit

Qualitative Evaluation einer interkulturellen Trainingseinheit Qualtatve Evaluaton ener nterkulturellen Tranngsenhet Xun Luo Bettna Müller Yelz Yldrm Kranng Zur Kulturgebundenhet schrftlcher und mündlcher Befragungsmethoden und hrer Egnung zur Evaluaton m nterkulturellen

Mehr

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt -

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt - Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche

Mehr

Leistungsmessung im Drehstromnetz

Leistungsmessung im Drehstromnetz Labovesuch Lestungsmessung Mess- und Sensotechnk HTA Bel Lestungsmessung m Dehstomnetz Nomalewese st es ken allzu gosses Poblem, de Lestung m Glechstomkes zu messen. Im Wechselstomkes und nsbesondee n

Mehr

Bildverarbeitung Herbstsemester 2012. Bildspeicherung

Bildverarbeitung Herbstsemester 2012. Bildspeicherung Bldverarbetung Herbstsemester 2012 Bldspecherung 1 Inhalt Bldformate n der Überscht Coderung m Überblck Huffman-Coderung Datenredukton m Überblck Unterabtastung Skalare Quantserung 2 Lernzele De wchtgsten

Mehr

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften

Grundlagen der makroökonomischen Analyse kleiner offener Volkswirtschaften Bassmodul Makroökonomk /W 2010 Grundlagen der makroökonomschen Analyse klener offener Volkswrtschaften Terms of Trade und Wechselkurs Es se en sogenannter Fall des klenen Landes zu betrachten; d.h., de

Mehr

Das Briefträgerproblem

Das Briefträgerproblem Das Briefträgerproblem Paul Tabatabai 30. Dezember 2011 Inhaltsverzeichnis 1 Problemstellung und Modellierung 2 1.1 Problem................................ 2 1.2 Modellierung.............................

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)

Mehr

I, U : Momentanwerte für Strom und Spannung I 0, U 0 : Scheitelwerte für Strom und Spannung

I, U : Momentanwerte für Strom und Spannung I 0, U 0 : Scheitelwerte für Strom und Spannung Wechselsrom B r A B sn( sn( Wrd de eerschlefe über enen Wdersand kurzgeschlossen fleß en Srom: sn( sn(, : Momenanwere für Srom und Spannung, : Scheelwere für Srom und Spannung ~ sn( sn( Effekvwere für

Mehr

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung

Zinseszinsformel (Abschnitt 1.2) Begriffe und Symbole der Zinsrechnung. Die vier Fragestellungen der Zinseszinsrechnung 4. Investition & Finanzierung Znsesznsformel (Abschntt 1.2) 3 Investton & Fnanzerung 1. Fnanzmathematk Unv.-Prof. Dr. Dr. Andreas Löffler (AL@wacc.de) t Z t K t Znsesznsformel 0 1.000 K 0 1 100 1.100 K 1 = K 0 + K 0 = K 0 (1 + ) 2

Mehr

Mi , Dr. Ackermann Übungsaufgaben Gewöhnliche Differentialgleichungen Serie 13

Mi , Dr. Ackermann Übungsaufgaben Gewöhnliche Differentialgleichungen Serie 13 M. 3. 5-4. 45, Dr. Ackermann 6..4 Übungsaufgaben Gewöhnlche Dfferentalglechungen Sere 3.) Bestmmung ener homogenen Dfferentalglechung zu gegebenen Funktonen y (partkuläre Lösungen) enes Fundamentalsystems.

Mehr

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden. Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve

Mehr

W i r m a c h e n d a s F e n s t e r

W i r m a c h e n d a s F e n s t e r Komfort W r m a c h e n d a s F e n s t e r vertrauen vertrauen Set der Gründung von ROLF Fensterbau m Jahr 1980 snd de Ansprüche an moderne Kunststofffenster deutlch gestegen. Heute stehen neben Scherhet

Mehr

1.6 Energie 1.6.1 Arbeit und Leistung Wird ein Körper unter Wirkung der Kraft F längs eines Weges s verschoben, so wird dabei die Arbeit

1.6 Energie 1.6.1 Arbeit und Leistung Wird ein Körper unter Wirkung der Kraft F längs eines Weges s verschoben, so wird dabei die Arbeit 3.6 Energe.6. Arbe und Lesung Wrd en Körper uner Wrkung der Kraf F längs enes Weges s verschoben, so wrd dabe de Arbe W = F s Arbe = Kraf Weg verrche. In deser enfachen Form gülg, wenn folgende Voraussezungen

Mehr

Die Schnittstellenmatrix Autor: Jürgen P. Bläsing

Die Schnittstellenmatrix Autor: Jürgen P. Bläsing QUALITY-APPs Applkatonen für das Qaltätsmanagement Prozessmanagement De Schnttstellenmatrx Ator: Jürgen P. Bläsng Schnttstellen (Übergangsstellen, Verbndngsstellen) n betreblchen Prozessen ergeben sch

Mehr

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2 ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung

Mehr

( ) γ. (t 1 ) (t 2 ) = Arg γ 2(t 2 )

( ) γ. (t 1 ) (t 2 ) = Arg γ 2(t 2 ) Funktonentheore, Woche 10 Bholomorphe Abbldungen 10.1 Konform und bholomorph Ene konforme Abbldung erhält Wnkel und Orenterung. Damt st folgendes gement: Wenn sch zwe Kurven schneden, dann schneden sch

Mehr

1 Mehrdimensionale Analysis

1 Mehrdimensionale Analysis 1 Mehrdmensonale Analyss Bespel: De Gesamtmasse der Erde st ene Funton der Erddchte ρ Erde und des Erdradus r Erde De Gesamtmasse der Erde st dann m Erde = V Erde ρ Erde Das Volumen ener Kugel mt Radus

Mehr

SS 2017 Torsten Schreiber

SS 2017 Torsten Schreiber SS Torsten Schreber e den Ebenen unterscheden wr de und de prmeterfree Drstellung. Wenn wr ene Ebenenglechung durch dre Punkte bestmmen wollen, so müssen de zugehörgen Vektoren sen, d es sonst nur ene

Mehr

Backup- und Restore-Systeme implementieren. Technische Berufsschule Zürich IT Seite 1

Backup- und Restore-Systeme implementieren. Technische Berufsschule Zürich IT Seite 1 Modul 143 Backup- und Restore-Systeme mplementeren Technsche Berufsschule Zürch IT Sete 1 Warum Backup? (Enge Zahlen aus Untersuchungen) Wert von 100 MByte Daten bs CHF 1 500 000 Pro Vorfall entstehen

Mehr

3.3 Lineare Abbildungen und Matrizen

3.3 Lineare Abbildungen und Matrizen 33 LINEARE ABBILDUNGEN UND MATRIZEN 87 33 Lneare Abbldungen und Matrzen Wr wollen jetzt de numersche Behandlung lnearer Abbldungen zwschen Vektorräumen beschreben be der vorgegebene Basen de Hauptrolle

Mehr

14 Überlagerung einfacher Belastungsfälle

14 Überlagerung einfacher Belastungsfälle 85 De bsher betrachteten speellen Belastungsfälle treten n der Technk. Allg. ncht n rener orm auf, sondern überlagern sch. Da de auftretenden Verformungen klen snd und en lnearer Zusammenhang wschen Verformung

Mehr

Bachelorarbeit. Cayley s Formel und das Abzählen von Bäumen. Viktoria Piribauer. Wien, September 2013

Bachelorarbeit. Cayley s Formel und das Abzählen von Bäumen. Viktoria Piribauer. Wien, September 2013 Bachelorarbet Cayley s Formel und das Abzählen von Bäumen Vktora Prbauer Wen, September 2013 Matrkelnummer: 1007394 Studenrchtung: A 033621 Mathematk Betreuer: Mag. Dr. Bernhard Krön, Prvatdoz. Inhaltsverzechns

Mehr

Kapitel V. Parameter der Verteilungen

Kapitel V. Parameter der Verteilungen Kaptel V Parameter der Vertelungen D. 5.. (Erwartungswert) Als Erwartungswert ener Zufallsvarablen X bezechnet man: E( X ) : Dabe se vorausgesetzt: = = + p falls X dskret f d falls X stetg und = + p

Mehr